Pirms saprotat mīksto skaitļošanu un cieto datoru, mums jāsaprot, kas ir skaitļošana? Datortehnoloģiju skaitļošana ir process, kurā konkrētais uzdevums tiek izpildīts, izmantojot datoru vai skaitļošanas ierīci. Ir vairākas skaitļošanas īpašības, kā tai būtu jānodrošina precīzs risinājums, precīzas un skaidras kontroles darbības, jāveicina problēmu risināšana, kuras var risināt matemātiski.
Tradicionālā skaitļošanas metode, cietā skaitļošana ir piemērota matemātiskām problēmām, lai gan to var izmantot, lai atrisinātu reālās pasaules problēmas, bet galvenais saistītais trūkums ir tas, ka tas patērē lielu skaitļošanas laiku un izmaksas. Tas ir iemesls, kāpēc mīkstā skaitļošana ir labāka alternatīva reālās pasaules problēmu risināšanai.
Salīdzinājuma diagramma
| Salīdzināšanas pamats | Mīkstā skaitļošana | Cietie datori |
|---|---|---|
| Pamata | Pieļaujama neprecizitātei, nenoteiktībai, daļējai patiesībai un tuvināšanai. | Izmanto precīzi noteikto analītisko modeli. |
| Balstoties uz | Izplūdušā loģika un varbūtības pamatojums | Bināra loģika un kraukšķīga sistēma |
| Iespējas | Tuvināšana un izvietojums | Precizitāte un kategoriskums |
| Daba | Stohastisks | Deterministisks |
| Darbojas | Neskaidri un trokšņaini dati | Precīzi ievades dati |
| Aprēķināšana | Var veikt paralēlus aprēķinus | Secība |
| Rezultāts | Aptuvenais | Izveido precīzu rezultātu. |
Soft skaitļošanas definīcija
Mīkstā skaitļošana ir skaitļošanas modelis, kas izstrādāts, lai atrisinātu nelineārās problēmas, kas saistītas ar nenoteiktiem, neprecīziem un aptuveniem problēmas risinājumiem. Šāda veida problēmas tiek uzskatītas par reālām problēmām, kur to atrisināšanai ir vajadzīgs cilvēka līdzīgs izlūkdatus. Mīksto skaitļošanas terminu izstrādā Dr Lotfi Zadeh, pēc viņa domām, mīkstā skaitļošana ir pieeja, kas imitē cilvēka prātu, lai saprastu un mācītos nenoteiktības un iespaidu vidē.
Tas ir izveidots ar divu elementu adaptivitāti un zināšanām, un tam ir vairāki rīki, piemēram, izplūdušā loģika, neironu tīkli, ģenētiskais algoritms utt. Mīksto skaitļošanas modelis atšķiras no tā agrākā modeļa, kas pazīstams kā cietais skaitļošanas modelis, jo tas nedarbojas ar problēmu risināšanas matemātisko modeli.
Tagad apspriedīsim dažas no mīkstās skaitļošanas metodikām ar piemēriem.
1. Izplūdušā loģika attiecas uz lēmumu pieņemšanas un kontroles sistēmas problēmām, kuras nevar pārvērst cietajās matemātiskajās formulās. Tas pamatā iegrāmato izejas loģiski nelineārā veidā, kā cilvēki to dara. Automobiļu apakšsistēmā, gaisa kondicionieros, kamerās utt. Tiek izmantota izplūdušā loģika.
2. Mākslīgie neironu tīkli veic klasifikāciju, datu ieguvi un prognozēšanas procesu un viegli pārvalda trokšņainos ievades datus, kategorizējot tos grupās vai kartējot paredzamo rezultātu. Piemēram, tas tiek izmantots attēla un rakstzīmju atpazīšanai, biznesa prognozēšanai, kur no datu kopām tiek apgūti modeļi, un tiek izveidots modelis, lai atpazītu šos modeļus.
3. Optimizēšanas un ar to saistīto problēmu risināšanai tiek izmantoti ģenētiskie algoritmi un evolūcijas paņēmieni, kuros var atpazīt optimālu risinājumu, bet nav sniegta iepriekš noteikta pareiza atbilde. Ģenētiskā algoritma reālās dzīves pielietojumi, kas izmanto heiristiskās meklēšanas metodes, ir robotika, automobiļu projektēšana, optimizēta telekomunikāciju maršrutēšana, biomimetikas izgudrojums utt.
Cietā skaitļošanas definīcija
Cietā skaitļošana ir tradicionālā metode, ko izmanto skaitļošanā, kurai ir vajadzīgs precīzi noteikts analītiskais modelis. To arī ierosināja dr. Lotfi Zadeh pirms mīkstās skaitļošanas. Cietā skaitļošanas metode nodrošina garantētu, deterministisku, precīzu rezultātu un definē noteiktas kontroles darbības, izmantojot matemātisko modeli vai algoritmu. Tā nodarbojas ar bināro un kraukšķīgo loģiku, kas pēc kārtas prasa precīzus ievades datus. Tomēr cietā skaitļošana nespēj atrisināt reālās pasaules problēmas, kuru uzvedība ir ļoti neprecīza un kur informācija pastāvīgi mainās.
Pieņemsim piemēru, ja mums ir jāatrod, vai šodien būs lietus vai nē? Atbilde varētu būt jā vai nē, kas nozīmē, ka divos iespējamos deterministiskos apstākļos mēs varam atbildēt uz jautājumu vai, citiem vārdiem sakot, atbilde satur skaidru vai bināro risinājumu.
Galvenās atšķirības starp mīksto skaitļošanu un cieto datoru
- Mīkstais skaitļošanas modelis ir neprecizitātes tolerants, daļēja patiesība, tuvināšana. No otras puses, cietā skaitļošana nedarbojas ar iepriekš minētajiem principiem; tas ir ļoti precīzs un skaidrs.
- Mīkstā skaitļošana izmanto izplūdušo loģiku un varbūtību, bet cietā skaitļošana balstās uz binārajām vai kraukšķīgām sistēmām.
- Cietajā datorā ir tādas īpašības kā precizitāte un kategoriskums. Pretēji, tuvināšana un izvietojums ir mīksto skaitļošanas raksturojums.
- Mīkstā skaitļošanas pieeja dabā ir varbūtīga, bet cietā skaitļošana ir deterministiska.
- Mīksto skaitļošanu var viegli izmantot ar trokšņainiem un neskaidriem datiem. Turpretī cietā skaitļošana var darboties tikai ar precīziem ievades datiem.
- Paralēlus aprēķinus var veikt mīkstajā datorā. Gluži pretēji, cietajā datorā tiek veikta secīga aprēķināšana.
- Mīkstā skaitļošana var radīt aptuvenus rezultātus, savukārt cietā skaitļošana rada precīzus rezultātus.
Secinājums
Tradicionālās skaitļošanas pieejas cietā skaitļošana ir efektīva, ja runa ir par deterministiskas problēmas risināšanu, bet, tā kā problēma pieaug un palielinās sarežģītība, arī dizaina meklēšanas telpa palielinās. Tas apgrūtināja neskaidras un neprecīzas problēmas atrisināšanu ar cieto skaitļošanu. Tātad, mīkstā skaitļošana ir kļuvusi par risinājumu cietajam datoram, kas nodrošina arī daudzus ieguvumus, piemēram, ātru aprēķinu, zemas izmaksas, iepriekš noteiktas programmatūras likvidēšanu utt.
